融合2D池化的三维医学图像分割方法、系统、设备及介质技术方案

本发明专利技术提供一种融合2D池化的三维医学图像分割方法、系统、设备及介质，方法包括：对获取的三维医学图像进行预处理，得到待分割切片图像；将待分割切片图像输入至图像分割模型中，得到图像分割模型输出的分割预测图像；其中，图像分割模型是基于病例中获取的病例切片图像和标签图像训练得到的；图像分割模型用于基于对待分割切片图像进行特征提取得到的目标图像特征和层间信息特征，利用层间信息特征以及经下采样的目标图像特征对待分割切片图像进行分割。本发明专利技术通过保留的层间信息特征，仅对目标图像特征进行下采样，以避免三维医学图像之间的层厚造成分割误差，提高分割的准确性。性。性。

【技术实现步骤摘要】
融合2D池化的三维医学图像分割方法、系统、设备及介质


[0001]本专利技术涉及计算机视觉
，尤其涉及一种融合2D池化的三维医学图像分割方法、系统、设备及介质。

技术介绍

[0002]医学图像分割是医学图像处理与分析领域的复杂而关键的步骤，其目的是将医学图像中具有某些特殊含义的部分分割出来，并提取相关特征，以作为临床诊疗和病理学研究的可靠依据，从而辅助医生做出更为准确的诊断。随着深度学习在计算机视觉领域的快速发展，医学图像分割正从手动分割或半自动分割向全自动分割发展。
[0003]目前，近年来，深度卷积神经网络的研究取得一定突破，它通过分层学习来获得高层次的特征，基于自动学习医学图像中的特征，以进行分割。
[0004]然而，这些分割模型只能逐步处理多张二维断层图像，忽视了医学图像中的三维结构信息，导致分割效果有限，耗费的时间较长。

技术实现思路

[0005]本专利技术提供一种融合2D池化的三维医学图像分割方法、系统、设备及介质，用以解决现有技术中由于忽视医学图像中的三维结构信息造成分割效果较差且分割效率较低本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合2D池化的三维医学图像分割方法，其特征在于，包括：对获取的三维医学图像进行预处理，得到待分割切片图像；将所述待分割切片图像输入至图像分割模型中，得到所述图像分割模型输出的分割预测图像；其中，所述图像分割模型是基于病例中获取的病例切片图像和标签图像训练得到的；所述图像分割模型用于基于对所述待分割切片图像进行特征提取得到的目标图像特征和层间信息特征，利用所述层间信息特征以及经下采样的目标图像特征对所述待分割切片图像进行分割。2.根据权利要求1所述的融合2D池化的三维医学图像分割方法，其特征在于，所述图像分割模型包括卷积层、二维池化层和反卷积层，其中：卷积层，基于对所述待分割切片图像进行卷积，得到所述卷积过程中的中间量卷积特征图；二维池化层，基于所述中间量卷积特征图中的目标图像特征进行下采样，得到所述下采样过程中的中间量池化特征图；反卷积层，基于所述中间量池化特征图以及所述中间量卷积特征图进行上采样，得到所述反卷积层输出的分割预测图像。3.根据权利要求2所述的融合2D池化的三维医学图像分割方法，其特征在于，所述基于所述中间量卷积特征图进行下采样，得到所述下采样过程中的中间量池化特征图，包括：获取经两次卷积后得到的第一中间量卷积特征图中的目标图像特征，并对其进行下采样，得到第一中间量池化特征图；基于对所述第i中间量池化特征图进行卷积后得到的第i+1中间量卷积特征中的目标图像特征，并对其进行下采样，得到第i+1中间量池化特征图；其中，i＝1,2,
…
m,m为大于0的整数。4.根据权利要求3所述的融合2D池化的三维医学图像分割方法，其特征在于，所述基于所述中间量池化特征图以及所述中间量卷积特征图进行上采样，得到分割预测图像，包括：获取所述第i+1中间量池化特征图及所述第i+1中间量卷积特征图，并对其进行上采样，得到第一上采样特征图；基于对所述第i+1
‑
k中间量池化特征图以及所述第i+1
‑
k中间量卷积特征图以及所述第i+1上采样特征图进行上采样，得到第i+1上采样特征图；其中，k＝1,
…
,i；当k＝i时，对所述第i+1上采样特征图进行两次反卷积，得到分割预测图像。5.根据权利要求2所述的融合2D池化的三维医学图像分割方法，其特征在于，所述将所述待分割切片图像输入至图像分割模型中，得到所述图像分割模型输...

【专利技术属性】
技术研发人员：卫雪，
申请(专利权)人：中移雄安信息通信科技有限公司中国移动通信集团有限公司，
类型：发明
国别省市：